2026年的招标意外，CNN杀了个回马枪
2026年开春，国内公共安全领域新一轮AI摄像头升级招标结果公示，我拿到业内朋友给的中标数据，吓了一跳。超过72%的中标方案，把之前写在PPT里的Transformer主干网络换成了深度优化后的卷积神经网络。
谁还记得两年前的行业氛围？到处都是“CNN已死，大模型才是未来”的口号，创投圈找项目，你说你做CNN优化，投资人翻个身就睡了，你说你做大模型，当场打钱。
结果呢？真落地的时候，所有人都清醒了。端侧大模型跑一次人脸检测，单次推理功耗是优化后CNN的12倍，换算下来，一小时的功耗够一台1匹小米空调运行一小时，CNN一小时功耗才顶一个5瓦的小夜灯亮一整晚。
户外摄像头要接市电还好，那一堆靠太阳能供电的野外监控呢？用大模型，一半的电都给AI算了，根本撑不到阴天。
这不是技术迭代的问题。这是落地场景的算账问题。很多人说技术永远是新的取代旧的，那为什么老爷车现在还在小众圈跑？为什么尼龙丝袜发明这么久，棉袜还没死？
适合的，才是能赚钱的。说白了，这次招标反转，就是行业用脚投票的结果。
本土厂商的野路子，踩透了技术崇拜的坑
不过话说回来，国内厂商对CNN的态度反转，不是突然拍脑袋决定的。地平线创始人余凯之前在内部讲话就说过，90%的端侧感知场景，CNN干得比大模型好，还便宜，我那时候以为只是说说，没想到人家早就暗地布局了。
我去年跑车企采访，某头部新势力的行泊一体项目，最初定的是纯Transformer方案，算力要120TOPS，芯片成本拉到快2000块一块。后来换了地平线优化后的CNN+Transformer混合方案，核心障碍物检测全交给CNN，整体算力降到30TOPS，芯片成本直接砍到1300块。出错率呢？只比原来高了0.3%，日常开完全感知不到差别。
一块支持10亿参数大模型推理的端侧AI芯片，比同等制程优化CNN的芯片贵2.7倍，放到十万级销量的车型上，单车增加1200元成本就是12亿的额外支出，吃掉车企大半年的利润。换你是老板，你选哪个？
这个事儿其实特别像二战的欧洲坦克战。当时德国人迷信重型虎式坦克，装甲厚火力猛，单挑能打爆三辆谢尔曼，结果呢？虎式油耗高，产能低，一辆虎式的成本能造五辆谢尔曼，整个二战德国才造了不到两千辆虎式，苏联和盟军造了近五万辆谢尔曼，铺也铺死你。CNN就是这个谢尔曼，大模型就是虎式坦克。你要说虎式不好？不对，虎式强得离谱，但绝大多数战场根本不需要它。你总不能用重型坦克去巡逻，去拉补给，去扫路吧？
这个方向我认为走偏了。很多人喊我们卡脖子在大模型，其实我们最能卷、最能做出成本优势的，就是对CNN的深度优化，从芯片IP到算法调优，全链条我们都能自己做，根本不需要看老外脸色。资本热钱都跑去大模型挤破头，反而给踏踏实实做CNN优化的本土公司留了空间。旷视去年端侧AI出货量涨了40%，核心增量全是优化后的CNN方案，人家不说而已，闷声发大财。
被大模型浪潮忽略的，千万从业者的机会
说实话，我最近见了很多互联网行业的猎头，都在吐槽一个事儿：现在刚毕业的算法工程师，十个有八个说自己会做大模型微调，问他怎么给CNN剪枝优化，一脸茫然。
但是市场需求呢？我拿今年1月国内招聘市场的数据来看，国内端侧AI企业发布的CNN优化工程师岗位，平均起薪比大模型微调岗高18%，岗位缺口还在每年涨30%，为什么？因为大家都去卷大模型了，没人愿意沉下心做这个“过时”的技术了。
你摸摸自己的手机，手机拍照的HDR，夜景合成，人脸解锁，哪一个核心不是CNN？你刷抖音的实时美颜，直播的动作捕捉，安防的人脸识别，自动驾驶的障碍物检测，哪一个离得开CNN？整个AI产业，80%的落地项目，核心感知层还是CNN，这个基本盘，被很多人忘了。
之前有个做算法的小伙子找我聊天，说他放弃了大厂大模型岗的offer，去了一家做智能家电的中型公司做CNN优化，年薪比原来多拿15万，还不用天天加班赶大模型的迭代，每天准点下班接孩子。他说，大家都去抢热门的，我捡没人要的，反而舒服，钱还多。
这个事儿特别有意思。整个行业都在追新，追大模型，追参数，都忘了AI的本质是解决问题，不是秀技术肌肉。你搞一个参数万亿的大模型，放在家里云端，不如一个优化到几兆的CNN，放在端侧，实实在在给用户省电费，降成本。
再过一年，你会看到更多宣称「全大模型重构」的消费电子，偷偷把核心感知层换回归CNN。不信走着瞧。
